Scikit-learn 55개 예제로 풀어보는 최신 기계학습 시각화 : 초급
BOOKK(부크크) 출판사의 상품은 주문 제작 도서로 주문취소 및 반품이 불가하며, 배송완료까지 KBOOKSTORE 배송 일정 기준 +7일이 추가됩니다.
$32.76
SKU
9791141022143
[Free shipping over $100]
Standard Shipping estimated by Fri 12/6 - Thu 12/12 (주문일로부 10-14 영업일)
Express Shipping estimated by Tue 12/3 - Thu 12/5 (주문일로부 7-9 영업일)
* 안내되는 배송 완료 예상일은 유통사/배송사의 상황에 따라 예고 없이 변동될 수 있습니다.
| Publication Date | 2023/03/31 |
| Pages/Weight/Size | 148*210*30mm |
| ISBN | 9791141022143 |
| Categories | IT 모바일 > 컴퓨터 공학 |
Description
2017년에 세계 최대 온라인 개발자 커뮤니티인 스택오버플로(stackoverflow)에서 데이비드 로빈스은 파이썬의 놀라운 성장(The Incredible Growth of Python)이라는 글을 게시하였다. 글의 주요 내용은 파이썬이 가장 빠르게 성장하는 주요 프로그래밍 언어이며, 4차 산업혁명의 핵심 프로그래밍 언어가 될 것이라는 전망이었다. 로빈슨 박사의 예상처럼, 거의 모든 산업 분야에서 인공지능의 부상과 함께 프로그래밍 언어인 파이썬은 인기가 높아지고 활용 사례 또한 늘어나는 실정이다. 스택오버플로의 인기 언어별 사용자 활동량을 집계한 결과를 보면 파이썬의 두드러진 증가를 확인 할 수 있다. 현재, 파이썬은 커뮤니티 내 활동량에서 자바스크립트, 자바, C#을 포함한 다른 모든 언어를 압도할 독보적인 위치에 올라가 있다. 또한, 파이썬은 웹개발, 데이터분석, 과학컴퓨팅, 교육 등 다양한 어플리케이션을 구현하는데 유용하게 활용 되는 실정이다.
파이썬은 인공지능을 공부하려는 사람들이 처음 프로그래밍을 배울 때 많이들 추천하는 언어이다. 또한, 초보 프로그래머가 어려운 문법에 허우적거리지 않고 프로그래밍의 핵심적인 개념을 쉽게 배울 수 있게 만드는 언어로 알려졌기 때문에, 미국대학 컴퓨터전공 과정에서는 입문자용 프로그래밍으로 파이썬 교육을 개설하는 추세이다. 게다가, Gmail, Google-Groups, Google Maps 등 상당수가 파이썬으로 개발된 실정이다. 파이썬은 무료일 뿐 아니라 공동작업과 유지보수가 매우 쉽고 편해서, 다른 프로그래밍과 모듈들을 파이썬으로 재구성하는 추세이며, 해외뿐만 아니라 국내 시장에서도 그 가치를 인정받아 파이썬을 사용하는 기업도 늘고 있다. 책의 구성을 살펴보면 1부에서는 클러스터링을 이용한 최적의 시각화 예제를 포함하였고, 2부에서는 회귀 모형을 이용한 최적의 시각화 예제에 대한 실습과 해석을 제시하였다. 3부에서는 머신러닝을 이용한 시각화 예제를 소개하여 성능 비교와 모델의 확률적 학습 전략을 제시하였다.
파이썬은 인공지능을 공부하려는 사람들이 처음 프로그래밍을 배울 때 많이들 추천하는 언어이다. 또한, 초보 프로그래머가 어려운 문법에 허우적거리지 않고 프로그래밍의 핵심적인 개념을 쉽게 배울 수 있게 만드는 언어로 알려졌기 때문에, 미국대학 컴퓨터전공 과정에서는 입문자용 프로그래밍으로 파이썬 교육을 개설하는 추세이다. 게다가, Gmail, Google-Groups, Google Maps 등 상당수가 파이썬으로 개발된 실정이다. 파이썬은 무료일 뿐 아니라 공동작업과 유지보수가 매우 쉽고 편해서, 다른 프로그래밍과 모듈들을 파이썬으로 재구성하는 추세이며, 해외뿐만 아니라 국내 시장에서도 그 가치를 인정받아 파이썬을 사용하는 기업도 늘고 있다. 책의 구성을 살펴보면 1부에서는 클러스터링을 이용한 최적의 시각화 예제를 포함하였고, 2부에서는 회귀 모형을 이용한 최적의 시각화 예제에 대한 실습과 해석을 제시하였다. 3부에서는 머신러닝을 이용한 시각화 예제를 소개하여 성능 비교와 모델의 확률적 학습 전략을 제시하였다.
Contents
지은이의 말 10
제1장 클러스터링을 이용한 최적의 시각화
1교시. 필기 숫자 데이터에 대한 K-Means 클러스터링 13
2교시. 동전 이미지에 대한 구조화된 계층적 클러스터링 18
3교시. Mean-Shift 클러스터링 알고리즘 21
4교시. Spectral Biclustering 알고리즘 24
5교시. Spectral Co-Clustering 알고리즘 28
6교시. 클러스터링 성능 평가 변화의 조정 32
7교시. 구조가 없는 응집 클러스터링 38
8교시. 클러스터링 성능 평가 변화의 조정 42
제2장 회귀 모형을 이용한 최적의 시각화
9교시. 자동화된 결정 회귀 50
10교시. 베이지안 릿지 회귀 56
11교시. Beta-divergence 손실 함수 62
12교시. Spectral Co-clustering 알고리즘을 사용한 이중 클러스터링 문서 64
13교시. Fast ICA를 사용한 블라인드 소스 분리 70
14교시. 희소 기능을 사용한 텍스트 문서 분류 73
15교시. 분류자 체인 90
제3장 머신러닝을 이용한 최적의 시각화
16교시. 분류기(머신러닝: ML)의 비교 94
17교시. k-평균을 사용한 텍스트 문서 클러스터링 103
18교시. K-Means를 사용한 색상 양자화 112
19교시. 이종 데이터 소스가 있는 열의 변환 117
20교시. Mixed Type에서의 열의 변환 122
21교시. BIRCH와 MiniBatchKMeans 비교 126
22교시. 교차 분해 방법의 비교 130
23교시. MLPClassifier에 대한 확률적 학습 전략 비교 136
24교시. 데이터에서 다양한 척도의 효과를 이상값과 비교하기 142
25교시. 장난감 데이터 세트에서 서로 다른 클러스터링 알고리즘 비교하기 158
26교시. 장난감 데이터 세트를 이용한 다양한 계층적 연결 방법 비교하기 167
27교시. 랜덤 포레스트와 다중 출력 메타 추정기의 비교 173
28교시. 하이퍼파라미터 추정을 위한 무작위 검색과 그리드 검색의 비교 177
29교시. 다양한 온라인 솔버의 비교 181
30교시. 다양한 Calibration의 비교 184
31교시. F-테스트와 상호 정보의 비교 190
32교시. kernel ridge regression과 Gaussian process regression의 비교 193
33교시. 홍채 데이터셋을 이용한 LDA와 PCA 2D 프로젝션 비교 199
34교시. 매니폴드 학습 방법 비교 204
35교시. K-Means와 MiniBatchKMeans 클러스터링 알고리즘의 비교 208
36교시. Lasso를 사용한 단층 촬영 재구성 213
37교시. 다중 피쳐 추출 방법을 연결하기 218
38교시. Bayesian Gaussian Mixture를 이용한 사전 유형 분석하기 230
39교시. 혼동 행렬 236
40교시. 당뇨병 데이터에 대한 교차 검증 연습하기 241
41교시. Digits Dataset을 이용하여 교차 검증 연습하기 245
42교시. 의사결정트리 회귀 연습 247
43교시. AdaBoost를 이용한 의사 결정 트리 회귀 250
44교시. Affinity propagation 클러스터링 알고리즘 253
45교시. DBSCAN 클러스터링 알고리즘 256
46교시. KBinsDiscretizer의 다양한 시각화 실습 259
47교시. k-means에서의 다양한 상황을 실습하기 264
48교시. cross_val_score와 GridSearchCV를 이용한 다중 메트릭 평가 실습하기 267
49교시. 가우스 혼합에 대한 밀도 추정 272
50교시. 숫자 분류 실습하기 275
51교시. Discrete AdaBoost와 Real AdaBoost의 성능 비교 실습 277
52교시. Gradient Boosting 조기 중단 실습하기 281
53교시. Stochastic Gradient Descent의 조기 중단 실습하기 272
54교시. 회귀 모델에서 대상 변환 효과 실습하기 294
55교시. k-평균 초기화의 영향에 대한 경험적 평가 304
제1장 클러스터링을 이용한 최적의 시각화
1교시. 필기 숫자 데이터에 대한 K-Means 클러스터링 13
2교시. 동전 이미지에 대한 구조화된 계층적 클러스터링 18
3교시. Mean-Shift 클러스터링 알고리즘 21
4교시. Spectral Biclustering 알고리즘 24
5교시. Spectral Co-Clustering 알고리즘 28
6교시. 클러스터링 성능 평가 변화의 조정 32
7교시. 구조가 없는 응집 클러스터링 38
8교시. 클러스터링 성능 평가 변화의 조정 42
제2장 회귀 모형을 이용한 최적의 시각화
9교시. 자동화된 결정 회귀 50
10교시. 베이지안 릿지 회귀 56
11교시. Beta-divergence 손실 함수 62
12교시. Spectral Co-clustering 알고리즘을 사용한 이중 클러스터링 문서 64
13교시. Fast ICA를 사용한 블라인드 소스 분리 70
14교시. 희소 기능을 사용한 텍스트 문서 분류 73
15교시. 분류자 체인 90
제3장 머신러닝을 이용한 최적의 시각화
16교시. 분류기(머신러닝: ML)의 비교 94
17교시. k-평균을 사용한 텍스트 문서 클러스터링 103
18교시. K-Means를 사용한 색상 양자화 112
19교시. 이종 데이터 소스가 있는 열의 변환 117
20교시. Mixed Type에서의 열의 변환 122
21교시. BIRCH와 MiniBatchKMeans 비교 126
22교시. 교차 분해 방법의 비교 130
23교시. MLPClassifier에 대한 확률적 학습 전략 비교 136
24교시. 데이터에서 다양한 척도의 효과를 이상값과 비교하기 142
25교시. 장난감 데이터 세트에서 서로 다른 클러스터링 알고리즘 비교하기 158
26교시. 장난감 데이터 세트를 이용한 다양한 계층적 연결 방법 비교하기 167
27교시. 랜덤 포레스트와 다중 출력 메타 추정기의 비교 173
28교시. 하이퍼파라미터 추정을 위한 무작위 검색과 그리드 검색의 비교 177
29교시. 다양한 온라인 솔버의 비교 181
30교시. 다양한 Calibration의 비교 184
31교시. F-테스트와 상호 정보의 비교 190
32교시. kernel ridge regression과 Gaussian process regression의 비교 193
33교시. 홍채 데이터셋을 이용한 LDA와 PCA 2D 프로젝션 비교 199
34교시. 매니폴드 학습 방법 비교 204
35교시. K-Means와 MiniBatchKMeans 클러스터링 알고리즘의 비교 208
36교시. Lasso를 사용한 단층 촬영 재구성 213
37교시. 다중 피쳐 추출 방법을 연결하기 218
38교시. Bayesian Gaussian Mixture를 이용한 사전 유형 분석하기 230
39교시. 혼동 행렬 236
40교시. 당뇨병 데이터에 대한 교차 검증 연습하기 241
41교시. Digits Dataset을 이용하여 교차 검증 연습하기 245
42교시. 의사결정트리 회귀 연습 247
43교시. AdaBoost를 이용한 의사 결정 트리 회귀 250
44교시. Affinity propagation 클러스터링 알고리즘 253
45교시. DBSCAN 클러스터링 알고리즘 256
46교시. KBinsDiscretizer의 다양한 시각화 실습 259
47교시. k-means에서의 다양한 상황을 실습하기 264
48교시. cross_val_score와 GridSearchCV를 이용한 다중 메트릭 평가 실습하기 267
49교시. 가우스 혼합에 대한 밀도 추정 272
50교시. 숫자 분류 실습하기 275
51교시. Discrete AdaBoost와 Real AdaBoost의 성능 비교 실습 277
52교시. Gradient Boosting 조기 중단 실습하기 281
53교시. Stochastic Gradient Descent의 조기 중단 실습하기 272
54교시. 회귀 모델에서 대상 변환 효과 실습하기 294
55교시. k-평균 초기화의 영향에 대한 경험적 평가 304